Gemini 4 Argon, $2/$10보다 먼저 볼 것은 ‘출시되지 않음’이다

결론부터 말하면 Gemini 4 Argon은 지금 당장 갈아탈 모델이 아니라, 공개 API가 열릴 때 다시 검증해야 할 사전 공개 모델이다. AI 모델 도입을 맡은 한국 개발자와 기획자는 $2/$10 가격표보다 모델 ID·일반 공개일·독립 벤치마크의 조건을 먼저 확인해야 한다.

작성자: 트렌드매그 편집부 · 검수자: 트렌드매그 AI 편집 기준 · 최종 업데이트: 2026-10-02 (Asia/Seoul)

먼저 확인한 사실

무엇이 바뀌었는가: 1M 출력과 단계적 공개

Google은 Argon을 소프트웨어 엔지니어링, 법률·금융 지식 업무, 방어적 사이버 보안을 오래 수행하는 프런티어 모델로 소개했다. 가장 눈에 띄는 사양은 최대 출력이 64K에서 1M 토큰으로 늘었다는 점이다. 회사 내부 사례로는 데이터센터 메모리 300TiB 이상 확보, 80만 줄이 넘는 Fuchsia Zircon 코드베이스의 Rust 이전 작업, libgav1 Rust 포트의 SIMD 3만2천 줄 교체와 2.7배 속도 개선이 제시됐다.

그러나 이 수치는 모두 Google 내부 업무에서 나온 회사 주장이다. 공개 저장소의 재현 명령, 전체 입력, 실패한 시도, 사람의 수정량이 함께 공개된 사례는 아니다. 1M 출력도 한 번의 작업 궤적에 더 많은 계산을 쓸 수 있다는 상한일 뿐이다. 긴 출력은 비용, 검토량, 잘못된 방향을 오래 유지할 위험도 함께 키운다.

더 중요한 변화는 출시 방식이다. Argon은 발표와 동시에 누구나 쓸 수 있는 API로 열린 모델이 아니다. Google은 Fairwind Program의 정부·국가 사이버 기관·핵심 인프라 방어자를 먼저 대상으로 삼고, 미국 정부의 자발적 사전 접근 절차와 외부 피드백을 거친 뒤 유료 API 고객과 Ultra 구독자로 넓히겠다고 밝혔다. 따라서 오늘의 정확한 표현은 ‘출시’보다 제한 공개를 시작한 발표에 가깝다.

실제 사용자 영향: 가격표가 있어도 예산 확정은 이르다

공개된 도입가는 입력 100만 토큰당 2달러, 출력 10달러다. 캐시 입력은 입력가의 5%, 즉 0.10달러다. 도입 기간이 끝나면 입력 4달러, 출력 20달러가 된다. 문제는 Google이 도입 기간 종료일을 적지 않았다는 점이다. 모델 ID, 지역별 가용성, 처리량, 속도, 실제 캐시 적중률도 일반 고객 환경에서 확인할 수 없다.

이 표는 청구서 예측법이지 Argon 실측치가 아니다. FrontierSWE는 Argon을 비운영 설정으로 실행해 캐시 적중률이 훨씬 낮았다고 별도 주석을 붙였다. 즉 공식 캐시 할인율과 실제 캐시 적중률은 다른 숫자다. 팀 예산에는 도입가와 정상가를 둘 다 넣고, GA 이후 실제 프롬프트 로그로 캐시 적중률을 다시 계산해야 한다.

회사 주장과 독립 측정은 같은 표에 섞지 않는다

독립 벤치마크가 보여준 반전

FrontierSWE v2는 34개 어려운 소프트웨어 과제를 모델마다 5번, 최대 20시간씩 실행한다. 공개 리더보드에서 GPT-6 Astra는 65.5%, Claude Opus 5.5는 62.3%, Argon은 55.0%였다. Argon은 3위지만 2위보다 7.3%포인트 낮았다. 평균 trial 비용은 Argon 129.36달러, Opus 5.5 98.87달러로 Argon이 약 30.8% 높았다. 평균 시간은 Argon 10.6시간, Opus 14.2시간으로 Argon이 더 짧았다.

‘Argon이 더 싸고 더 좋다’는 결론은 이 자료에서 성립하지 않는다. 품질과 비용만 보면 Opus 5.5가 우위이고, 완료 시간만 보면 Argon이 앞선다. 다만 리더보드는 Argon의 낮은 캐시 적중률이 비운영 설정 때문이라고 경고했다. 129.36달러를 공식 가격표처럼 인용하면 안 되며, GA 뒤 생산 설정 재실행이 필요하다.

Artificial Analysis의 별도 지표에서도 Argon High는 Intelligence Index 53점, 평가 작업당 평균 1.99달러였다. 이 기관은 모델이 아직 공개적으로 이용 가능하지 않다고 표시한다. 두 독립 자료의 공통 결론은 간단하다. Argon은 경쟁 가능한 상위 모델이지만, 일반 고객이 직접 재현할 수 있는 출시 제품도 아니고 모든 경쟁자를 압도한 모델도 아니다.

국내 크리에이터·전문 블로그의 실전 사례

이번 주제와 직접 연결되고 공개 내용을 확인할 수 있는 벤치마킹 자료로 OrcaRouter의 FrontierSWE 해설 1건만 사용했다. 이 글은 Argon이 독립 장기 코딩 평가에서 3위였고, Opus 5.5가 점수와 비용에서 동시에 앞섰으며, Argon 비용에는 비운영 캐시 설정이라는 단서가 있다고 짚었다. 동시에 OrcaRouter는 자체 모델 라우팅 서비스를 판매하므로 ‘현재는 다른 모델을 라우팅하라’는 결론에는 상업적 이해관계가 있다.

트렌드매그는 이 글의 결론을 그대로 따르지 않고 수치를 FrontierSWE 원본과 Artificial Analysis 페이지에서 다시 확인했다. 지정된 국내외 유튜브 채널에서는 발표 뒤 48시간 안에 제목만이 아니라 설명·챕터·공개 자막까지 검증 가능한 Argon 실전 테스트를 찾지 못해 인용하지 않았다. 접근 권한이 제한된 상황에서 ‘직접 써봤다’는 2차 콘텐츠를 억지로 채우는 것보다, 확인 가능한 벤치마크 조건을 남기는 편이 낫다.

직접 재현 가능한 검증 절차

트렌드매그는 Argon에 접근해 직접 실행하지 않았다. 아래 절차는 공개 API가 열린 뒤 팀이 같은 조건으로 비교하기 위한 프로토콜이다.

1. 가용성 기록: Google 공식 모델 목록에서 모델 ID, 지역, 프리뷰·GA 상태, 가격표 날짜를 캡처한다.
2. 고정 과제 20개: 한국어 문서 요약 5개, 코드 수정 5개, 스프레드시트 판단 5개, 이미지 포함 문서 5개를 준비한다. 정답과 금지 행동을 먼저 적는다.
3. 동일 설정: 비교 모델에 같은 시스템 지시, 도구, 시간 제한, 최대 재시도, 입력 파일을 사용한다. 공급자 기본값이 다르면 별도 열에 기록한다.
4. 세 번 반복: 단일 성공 사례를 피하려고 과제별 3회 실행한다. 성공률, 사람 수정분, 총 입력·출력·캐시 토큰, 벽시계 시간을 기록한다.
5. 비용 계산: 정상가와 도입가를 분리하고 캐시 토큰은 실제 청구 로그의 적중량만 사용한다. 가격 변경일도 함께 저장한다.
6. 실패 분류: 오답, 도구 실패, 지시 이탈, 조기 종료, 과도한 재계획을 나눈다. 긴 출력 자체를 성공으로 세지 않는다.
7. 전환 기준: 기존 모델보다 성공률이 5%포인트 이상 높고 사람 수정시간을 20% 이상 줄이며 월 비용 상한을 지킬 때만 일부 트래픽을 옮긴다.

반론과 과장 가능성

• “3위니 실패작”은 과장이다. 34개의 매우 어려운 장기 과제에서 55%를 기록한 것은 상위권 성과다. 다만 1위 주장과 독립 3위는 구분해야 한다.
• “1M 출력이면 장문 업무가 해결된다”도 과장이다. 상한이 커졌을 뿐 사실성, 도구 사용, 계획 수정, 검토 비용은 별도 문제다.
• “$2/$10이면 월 비용이 확정됐다”는 틀리다. 도입 기간 종료일과 일반 제공 시점이 없고 실제 캐시 적중률·재시도량도 모른다.
• “사이버 가드레일 없이 공개됐다”는 오해다. 가드레일 없는 버전은 신뢰된 방어자와 Google 내부 팀을 위한 제한된 방어 목적 배포다.
• 회사 내부 개선 사례는 유용하지만 독립 재현이 아니다. 성공 사례만 공개됐을 수 있고 사람의 개입량과 실패 분포가 없다.

분석의 한계

• Argon은 일반 공개 API가 없어 트렌드매그가 직접 모델·버전·입력·설정·결과를 재현하지 못했다.
• Google의 성능표와 내부 업무 개선 수치는 회사가 선택하고 보고한 자료이며 전체 원시 로그가 공개되지 않았다.
• FrontierSWE의 Argon 비용은 비운영 캐시 설정의 영향을 받아 실제 GA 비용과 다를 수 있다.
• 한국 접근 시점, 원화 결제, 데이터 처리 지역, 서비스 약관은 공식 발표에 구체적으로 나오지 않았다.
• 가격·벤치마크·모델 설정은 짧은 기간에도 바뀔 수 있어 도입 당일 다시 확인해야 한다.

지금 할 일

1. 오늘은 기존 운영 모델을 유지하고 Argon을 구매 가능 제품 목록에 넣지 않는다.
2. 월 예산은 도입가 $2/$10과 정상가 $4/$20 두 시나리오로 계산한다.
3. 공식 모델 ID와 한국 제공 조건이 나온 날 위 20개 과제를 같은 설정으로 재실행한다.
4. 회사 벤치마크와 독립 벤치마크를 분리하고 실제 팀 수정시간까지 전환 기준에 포함한다.

도입 순서는 AI 로드맵, 모델 탐색은 AI 도구, 후속 분석은 AI 인사이트에서 이어갈 수 있다. 비교 기준으로는 AI API 월 비용의 6가지 변수, 벤치마크 해석은 벤치마크 1위가 실무 1위가 아닌 이유, 모델 교체 비용은 AI 모델 마이그레이션 체크리스트를 함께 볼 수 있다.

3줄 요약

• Gemini 4 Argon은 9월 30일 발표됐지만 일반 개발자가 호출할 모델 ID와 GA 날짜는 아직 없다.
• 도입가는 $2/$10이고 이후 $4/$20지만 도입 기간 종료일과 실제 캐시 적중률은 미확정이다.
• 독립 FrontierSWE에서는 55.0%로 3위였으므로 공개 API 뒤 동일 조건 재검증 전에는 전환을 보류하는 편이 합리적이다.

공식 출처

• Google — Gemini 4 Argon 발표
• Google DeepMind — Gemini 4 Argon 모델 페이지
• Google DeepMind — Frontier Safety Framework 3.1
• FrontierSWE v2 — 공개 리더보드와 방법
• Artificial Analysis — Gemini 4 Argon 독립 측정

독립 보도와 벤치마킹 자료

• Axios — 제한 공개와 내부 평가 논쟁
• OrcaRouter — FrontierSWE 결과 해설 (모델 라우팅 서비스 운영사의 상업적 맥락 있음)

편집 원칙: 날짜·가격·공개 순서·회사 수치는 Google 원문에서 확인하고, 공개 리더보드와 독립 분석에서 조건을 교차 검토했다. Argon을 직접 테스트하지 않았다.